Прогностическая аналитика

2019/2020

Учебный год

RUS

Обучение ведется на русском языке

5

Кредиты

Кто читает:

Кафедра бизнес-аналитики

Статус:

Курс по выбору

Когда читается:

1-й курс, 3, 4 модуль

Программа дисциплины

Аннотация

Программа дисциплины "Прогностическая аналитика" предполагает, что в результате освоения дисциплины студенты будут владеть статистическими методами обработки данных, элементами прогностической аналитики, приобретут навыки постановки и решения экономических задач с использованием статистической информации с применением профессиональной системы IBM SPSS Statistics.

Цель освоения дисциплины

• Целью освоения дисциплины является формирование у студентов комплекса теоретических знаний и методологических основ в области прогностической аналитики, а также практических навыков, необходимых для использования системы IBM SPSS Statistics, обеспечивающих решение широкого круга задач с использованием статистических методов.

Планируемые результаты обучения

• Знать понятия выборки, генеральной совокупности, вероятности, статистической значимости. Понимать назначения шкал измерения переменных, уметь модифицировать данные и осуществлять их отбор.
• Понимать сущность процедуры расчета частотных таблиц, знать структуру и содержание элементов таблиц сопряженности, статистических характеристик распределения значений переменных, измеренных в интервальной шкале.
• Знать особенности измерения связей для переменных, измеренных в номинальной, порядковой и интервальной шкалах.
• Уметь строить модели парной и множественной линейной регрессии. Знать методы оценки качества моделей.
• Знать последовательность действий для получения уравнения нелинейной регрессии.
• Уметь строить модели бинарной и порядковой логистической регрессии. Знать методы оценки качества моделей.
• Знать методы дерева решений и методы проверки адекватности модели.
• Знать сущность методов кластеризации, принципы факторного анализа и метод главных компонент. Уметь решать задачи с использованием этих методов.

Содержание учебной дисциплины

• Особенности подготовки данных для статистического анализа.
  Предмет и содержание курса, связь с другими дисциплинами. Классификация основных методов статистического анализа данных, разработанных в рамках теории математической статистики. Понятие выборки и генеральной совокупности, вероятности и статистической значимости. Шкалы измерения. Переменные и наблюдения, значение переменной в конкретном наблюдении. Имя переменной, тип переменной, метка переменной и метки значений. Редактирование, удаление, добавление переменных. Ввод новых наблюдений. Пропущенные значения. Модификация и отбор данных: условный отбор данных и случайная выборка, сортировка и группировка данных, перекодирование переменных, вычисление новых переменных. Поиск ошибок и логических противоречий в данных. Объединение файлов по переменным и наблюдениям.
• Описательная статистика для переменных, измеренных в номинальной, порядковой и интервальной шкалах.
  Процедура расчета частотных таблиц. Элементы частотных таблиц и их интерпретация. Таблицы сопряженности. Структура и содержание элементов таблицы, ее итоговых показателей. Графическая интерпретация частотных таблиц и таблиц сопряженности. Получение статистических характеристик распределения значений переменных, измеренных в интервальной шкале. Проверка распределения на нормальность, однородность дисперсии в группах. Нормализующие преобразования. Стандартизация значений. Графический анализ данных: построение гистограмм, ящичковых диаграмм - BoxPlot, диаграмм Stem & Leaf - "ствол листья" графика Q-Q Normal Probability Plot - "нормальная вероятностная бумага", графика с удаленным трендом (Detrended Normal Plot). Характеристики различных типов графика.
• Поиск связей между номинальными, порядковыми и количественными переменными.
  Особенности измерения связи для переменных, измеренных в номинальной и порядковой шкале. Проверка статистических гипотез. Статистическая значимость. Критерий Хи-квадрат и ограничения на его использование. Точные тесты (Exact-тест, метод Монте-Карло). Другие критерии проверки на независимость (коэффициент риска и т.д.). Построение и анализ диаграмм рассеяния. Коэффициенты корреляции Пирсона. Ранговые коэффициенты корреляции. Частные корреляции. Значимость связи.
• Введение в регрессионный анализ.
  Модель парной линейной регрессии. Оценка качества модели, Интерпретация коэффициентов при независимых переменных. Доверительные интервалы коэффициентов и прогнозных значений зависимой переменной. Множественная регрессия, проблема мультиколлинеарности, выбросы. Введение качественных переменных в регрессию. Проверка выполнения условий Гаусса-Маркова. Гетероскедастичность и методы ее устранения. Функциональные формы моделей с логарифмами.
• Аппроксимация кривыми. Нелинейная и взвешенная регрессия.
  Аппроксимация зависимостей с помощью кривых. Последовательность действий для получения уравнения нелинейной регрессии. Выбор зависимой и независимой переменных и формы их зависимости. Процедура получения параметров и доверительных интервалов.
• Логистическая регрессия.
  Методы классификации. Модель логистической регрессии. Оценка качества модели. Категориальные предикторы, отбор предикторов. Методы диагностики. Мультиномиальная логистические регрессия. Порядковая регрессия.
• Деревья решений.
  Деревья решений как метод классификации. Основные термины и понятия. Методы построения дерева решений. Анализ с помощью дерева решений. Обычные задачи анализа с применением метода дерева решений. Области приложения анализа с помощью метода дерева решений. Анализ с помощью метода CHAID. Метод Quest. Регрессионные деревья. Проверка адекватности модели. Сравнение методов построения дерева решений.
• Кластерный и факторный анализ данных.
  Кластерный анализ как метод классификации. Иерархические и неиерархические методы кластерного анализа. Меры расстояния и нормировка. Профили средних значений кластеров. Кластеризация при помощи метода Варда. Метод k-средних. Факторный анализ. Принципы факторного анализа. Метод главных компонент. График «осыпь». Методы вращения.

Элементы контроля

• контрольная работа, представляющая собой совокупность выполненных на занятиях заданий.
• решение задач с использованием ПО IBM SPSS Statistics
• аудиторная работа.

Промежуточная аттестация

• Промежуточная аттестация (4 модуль)
  Оценка = 0.5*(0.7*оценка за контрольную работу + 0.3*оценка за аудиторную работу) + 0.5* оценка за экзамен

Список литературы

Рекомендуемая основная литература

• SPSS 19: профессиональный статистический анализ данных, Наследов, А., 2011
• SPSS: искусство обработки информации : анализ стат. данных и восстановление скрытых закономерностей: пер. с нем., Бююль, А., Цефель, П., 2002
• Анализ данных на компьютере : учеб. пособие, Тюрин, Ю. Н., Макаров, А. А., 2008
• Анализ социологических данных с помощью пакета SPSS : учеб. пособие для вузов, Крыштановский, А. О., 2006
• Введение в анализ данных : учебник и практикум для вузов, Миркин, Б. Г., 2015
• Введение в математическую статистику, Ивченко, Г. И., Медведев, Ю. И., 2010
• Задачи с решениями по математической статистике : учеб. пособие для вузов, Ивченко, Г. И., Медведев, Ю. И., 2007
• Задачник по математической статистике : для студентов социально - гуманитарных и управленческих специальностей, Макаров, А. А., Пашкевич, А. В., 2018
• Задачник по теории вероятностей для студентов социально - гуманитарных специальностей, Макаров, А. А., Пашкевич, А. В., 2015
• Основные вероятностные распределения : учеб. пособие, Ивченко, Г. И., Энатская, Н. Ю., 2008
• Прикладной регрессионный анализ, Дрейпер, Н. Р., Смит, Г., 2007
• Теория вероятностей : учебник для экономических и гуманитарных специальностей: учеб. пособие для вузов, Тюрин, Ю. Н., Макаров, А. А., 2009
• Теория вероятностей и математическая статистика : учеб. пособие, Мхитарян, В. С., Астафьева, Е. В., 2013
• Теория вероятностей и математическая статистика для социологов и менеджеров : учебник для вузов, Пашкевич, А. В., Макарова, А. А., 2014
• Теория вероятностей и статистика : учеб. пособие, Тюрин, Ю. Н., Макаров, А. А., 2008

Рекомендуемая дополнительная литература

• SPSS: Статистический анализ в маркетинговых исследованиях, Таганов, Д., 2005
• Математические методы психологического исследования : анализ и интерпретация данных: учеб. пособие, Наследов, А. Д., 2006